人工智能模型用于预测糖尿病脚的风险:多中心研究

科学领域:

• 医疗信息学
• 医疗保健中的人工智能
• 糖尿病并发症研究

背景情况:

• 糖尿病足是一种严重的糖尿病并发症,导致残疾和死亡.
• 早期识别高风险患者对于有效干预至关重要.
• 目前的风险评估方法可能缺乏准确性和效率.

研究的目的:

• 通过深度学习 (DL) 和机器学习 (ML) 开发和验证糖尿病脚风险的多模型预测工具.
• 为临床医生创建一个完整的应用程序,以精确有效地评估DF风险.
• 在老年人群中确定糖尿病足发作的关键风险因素.

主要方法:

• 一项针对6180名老年糖尿病患者的多中心回顾性研究.
• 拉索回归以确定16个关键的风险因素.
• 培训和优化14个ML和3个DL模型.
• 开发具有单个和批量预测能力的集成应用程序.

主要成果:

• 逻辑回归组合模型表现出高AUC (验证值为0. 943,测试值为0. 938) 的强大性能.
• 确定的主要预测特征包括关节指数 (ABI),下肢不适以及迷你精神状态检查 (MMSE) 评分.
• 开发的应用程序集成了多种模型,提高了预测的透明度和可靠性.

结论:

• 多模型方法为糖尿病脚风险提供了强大的预测性能.
• 综合应用程序为临床医生提供了一个直观而准确的工具来进行个性化风险评估.
• 结合多种模型可以提高结果的稳定性和临床适用性,从而改善DF的预防.